面向民机网络化协同研制的数字孪生技术研究与工程应用

许成伟 王晨 颜子豪

（中国商飞上海飞机设计研究院，上海 201210）

为应对国际领先航空企业的数字化升级与新技术带来的挑战，我国民机研制领域正着力于发展“数”“智”化协同研制，促进民机研制过程的数字化及智能化。为此，国内的民机研制相关机构开始探索工业互联网、数字孪生、大数据等新兴技术在民机网络化协同研制方面的综合集成与应用[1]。其中，数字孪生技术是民机“数”“智”化协同研制的核心技术之一，是民机在全生命周期、全业务链研制中从虚拟到实物之间高度关联与融合的重要技术，是满足民机研制技术升级下的数字化、网络化和智能化的内在需求。

数字孪生是以比特方式精确表达产品物理实体的数字模型，通过虚实交互反馈、数据融合分析、决策迭代优化等手段模拟和预测物理实体在客观环境中的行为，提高飞机及其系统的功能透明度和可行性，是连接虚实空间的数字纽带[2-3]。民机数字孪生是基于高集成度的多物理量、多尺度、多概率的仿真模型，利用物理模型、传感器数据和历史数据等反映与该模型对应实体的功能、实时状态及演变趋势[4-5]。随着民机研制技术的变革与模式演进，我国民机研制模式正向高度并行、多组织协同转变。通过文献调查分析，数字孪生技术几乎能够应用到民机设计、分析、制造、预测、控制和运维等各方面[6]。

本文通过对民机网络化协同研制中的数字孪生关键技术进行研究与分析，建设能够满足当前技术及未来业务发展需求的技术架构及数字化支撑系统。最后利用已建设的“数”“智”能力与软件体系，探索数字孪生在民机网络化协同研制中的工程实践，以期能在民机网络化协同研制中形成更深入、更广阔的工程应用价值。

一、面向民机网络化协同研制的数字孪生关键技术研究

建设能满足面向民机网络化协同研制的数字孪生支撑系统，首先需要结合民机自身研制流程及技术特点，对高置信度建模、模型拆分与并行计算、多源异构模型集成、数据采集与传感通信、数据分析与决策技术、虚实融合等多项关键技术进行攻关[7]。数字孪生的基础是大量的数据，基于数据采集与传感通信、大数据分析与决策等技术构建数据采集与传感系统、数据分析与决策系统，为数据驱动建模与数据挖掘应用提供技术保障；高置信度建模、模型拆分与并行计算技术、多源异构模型集成技术是多学科联合仿真的建模基础，同时也是复杂大系统模型综合集成与验证的关键技术；基于虚实融合技术构建数字孪生虚实融合系统，是实现不同层级虚实切换和虚实映射的重要手段。对于整个数字孪生过程中产生的数据、模型、文档、仿真模板等，将统一在数字孪生管理系统中进行存储与管理，为其它系统的应用提供统一数据源。因此，这些关键技术是数字孪生在民机网络化协同研制中的基础条件与重要手段，也是面向网络化协同研制的数字孪生系统建设的技术底座，主要有以下内容：

(一)高置信度建模

建立高置信度模型是当前民机研制中建模与仿真的难点，因而在民机研制过程中需充分利用模型降阶、数据驱动、模型置信度评估与自动修正、不确定性与误差建模等手段，通过建立复杂模型与简化模型的可信联系、非实时模型与实时模型的可靠性关联和可信性验证等，以提高建模能力[8]。一方面从建模技术本身出发，减少模型误差，使模型可用、结果可信、误差可控；另一方面从数字线索出发，建立模型间的可信联系，使各类数字模型有依据、可追溯，如建立复杂模型与简化模型、非实时模型与实时模型的可靠性关联和可信性验证等数字线索。

(二)模型拆分与并行计算

研究民机各级系统及整机复杂模型的解耦、降级、分割及并行运算等应用技术，是复杂系统建模及系统综合求解的关键手段[9]。一方面需要研究大模型可拆分的解耦机理，采用规范的分割应用技术，降低阶数、化整为零、加速运算;另一方面需要在执行层面将拆分后的模型放在不同计算节点，对不同计算核心进行并行处理，模型之间交互协同。同时，要实现模型拆分与并行计算，还需要建立对应的软硬平台，以保障其技术落地。

(三)多源异构模型集成

各专业机构、参研单位往往采用不同建模工具对复杂民机系统进行建模，导致各模型格式不统一。为了开展民机系统及其子级系统的集成验证，需要解决各专业机构异质异构模型管理、集成、仿真等问题[10]。因而需要研究跨专业各领域模型的交互问题，将不同工具软件构建的功能模型进行封装，形成格式、接口标准统一的仿真单元，并能够进行统一管理。同时，需要对现有的模型进行优化调整，解决现有模型的参数耦合、接口连接以及求解效率等问题，使之符合联合仿真规范的要求，并且满足实时性仿真要求。

(四)数据采集与传感通信

数据采集与传感通信是虚拟与实物之间联系的神经系统，是数字孪生工程落地的关键技术。因而在数字孪生系统建设过程中：首先，需要通过数据采集系统来提高对研制对象、试验设备、总线、传感器以及其它研制系统的数据收集效率[11]；其次，需要通过数据集中共享来提高研制协同效率，并通过数据清洗与质量检测来提高数据质量，进而提高研制质量；最后，数据采集协议需要支撑现有研制设备的数据类型，根据应用场景能够自动实时采集或者手动异步导入，解决数据采集延迟及数据完整性问题。

(五)数据分析与决策

数据分析与决策技术是基于人工智能（Artificial Intelligence，简称AI）的方式，对试验试飞数据进行解析、数据使用和深度挖掘。一方面，通过将整个飞机研制过程中的设计数据文件、试验试飞数据等资料进行有效管理和分析，实现从概念设计到交付运营全生命周期的数据管理，达到设计知识的积累与提升；另一方面，通过机器学习算法构建数据分析与预见模型，实现数据快速分析、监控管理、异常数据报警等功能，指导设计人员排除故障，快速作出决策。

(六)虚实融合技术

虚实融合技术是将虚拟试验与物理试验相结合的软件技术、硬件技术，需要构建适合民机网络化协同研制要求与标准的统一虚实架构技术。虚实融合可以在不同阶段将物理系统运行数据反馈给数字孪生体，实现模型优化迭代，并可在不同层级实现虚实切换。因而需要从实践中总结、提炼经验，针对“实—实”“虚—虚”“实—虚”“虚—实”等不同应用场景，采取统一架构的设计思想，构筑包含物理模型的试验与测试系统。

二、面向民机网络化协同研制的数字孪生架构设计

（一）总体技术架构

建设面向民机网络化协同研制的数字孪生平台，将针对性、实用性和创新性相结合，注重人、机、物三元数据融合以及工业知识的固化和复用，以积木组合方式快速完成数字孪生模型构建。面向民机设计仿真，构建以“数据+模型”为特征的“离线”孪生；面向民机智能运维，构建以“动态数据驱动模型”为特征的“在线”孪生；面向民机实时优化与决策，构建以“深度学习+知识图谱+模型”为特征的“自主”孪生。

面向民机网络化协同研制的数字孪生平台的总体技术架构是基于工业互联网和数字孪生技术，在已有的工业互联网平台基础上，采用“SAAS—PAAS—IAAS+边缘侧”的框架进行构建，主要包括：SAAS（Software as a Service，软件运营服务）层，实现基于工业APP（Application，应用程序）的数字孪生创新工程应用；PAAS（Platform as a Service，平台服务）数字孪生层，实现数字孪生全生命周期管理、多学科联合仿真和数字孪生虚实融合；PAAS模型层，实现数字孪生各类机理模型与数据算法的构建；PAAS数据层，实现对数据的分析与深度挖掘；PAAS资源层，实现平台资源部署与管理；IAAS（Infrastructure as a Service，基础设施服务）层，为平台提供服务器、存储、虚拟化等基础设施，最后通过边缘层的数据采集与传感系统实现数据的采集、处理与传输。平台的总体技术架构，见图1。在总体技术架构的基础上结合民机研制过程中的核心业务需求，需要重点构建五大功能子系统，包括：数据采集与传感子系统、数据分析与决策子系统、多学科联合仿真子系统、虚实融合子系统和数字孪生管理子系统。

图1 面向民机网络化协同研制的数字孪生平台总体技术框架

（二）总体功能架构

基于网络化协同研制的数字孪生平台，企业能够探索民机研制过程中数字孪生的应用体系，解决民机数字孪生设计阶段的建模、交付、集成、使用的关键技术和关键流程问题，演绎和阐释民机产业数字孪生技术的内涵及应用，实现数字孪生技术在民机研制过程中的落地应用。围绕该目标并结合民机自身研制流程，构建面向民机网络化协同研制的数字孪生平台需要重点建设以下五个功能子系统：数据采集与传感子系统，保障数字孪生应用过程中数据的收集效率和数据质量，解决数据采集延迟及数据完整性问题；数据分析与决策子系统，提高数据解析、使用和深度挖掘的能力，指导设计人员快速作出优化决策；数字孪生多学科联合仿真子系统，简化复杂系统综合集成与验证流程，加快设计优化迭代过程；数字孪生虚实融合子系统，实现不同研制层级虚实切换，支撑数字模型和物理硬件的虚实混合测试与验证；数字孪生管理子系统，实现对数字孪生模型的全生命周期管理，支撑不同设计人员基于同一数据源开展设计和创新应用。其中，数据采集与传感系统作为整体基础，采集的数据直接连接到数据库，再经过数据分析与决策系统处理后，连入多学科联合仿真系统进行仿真计算，最后在此基础上实现虚实融合与创新应用，数字孪生管理系统则贯穿数字孪生的全生命周期管理。平台的总体功能架构，见图2。

图2 面向民机网络化协同研制的数字孪生平台总体功能架构

三、面向民机网络化协同研制的数字孪生系统功能建设

（一）数据采集与传感子系统

根据我国民机试验现状，本文以飞机台架和试飞过程中的试验数据、总线数据以及传感器数据的实时采集、数据处理与传输为例，阐述数据采集与传感子系统的功能，主要存在两种数据采集传输方式：

一是当数据经传感器采集后传输至面向仪器系统的外围组件互连（Peripheral Component Interconnection，PCI）和扩展（PCI extensions for Instrumentation，PXI）单元处理时，需在 PXI单元基础上增加数据转发功能模块，以向云端进行数据实时传输。同时，在云端服务器处增加对应的数据分发接收软件，用于上云数据的分发管理。

二是当采集数据后通过航空无线电通信公司（Aeronautical Radio Inc，ARINC）429总线传输时，需对系统控制单元及其配套控制软件进行升级，将总线信号数据写入反射内存网。当数据经总线传输被写入总控计算机（称计算机A）的反射内存卡后，可增加一台总线数据读取及转发计算机（称计算机B）。通过ARINC交换机与计算机A相连接，并将计算机A的反射内存卡中写入的数据同步至计算机B的反射内存卡中，最后数据经由计算机B传输至服务器端。两种类型数据采集及传输方式，见图3。

图3 飞机台架和试飞过程两种类型数据采集及传输方式对比

（二）数据分析及决策子系统

通过数据分析及决策子系统能充分利用采集到的虚拟与实物数据，经过数据分析为研制过程中的迭代优化、系统的集成验证、产品性能与寿命预测及运行过程的故障诊断提供敏捷的决策支持[12]。在民机研制过程中，因不同数字孪生应用场景所需的数据分析方法、机理模型和知识图谱模型都不一样，因此针对不同应用场景需建立相应的数据模型及分析方法。根据民机网络化协同研制特征及需要，本文在构建数字孪生体系时所采取的数据分析方法主要有传统机器学习算法、深度学习算法和工业大数据知识发现算法等。

数据分析与决策系统可为民机研制阶段提供非结构化的数据收集、数据解析、数据入库、数据展示、监控报警、快速检索等一体化服务。同时，基于自主开发的数据分析算法，对采集的实时数据或历史数据进行分析，实现试飞学习和试飞报告生成，辅助设计人员可快速做出决策。最后利用可视化界面，在三维渲染客户端进行动态展示和实时监控。数据分析与决策子系统的整体架构，见图4。

图4 数据分析与决策子系统架构图

（三）数字孪生多学科联合仿真子系统

民机是机、电、液、控等多专业交叉的复杂功能系统，其研制涉及多家供应商。对于大规模、多学科、跨领域的复杂系统，传统的单一领域或学科仿真分析方法在计算效率、多系统集成、跨尺度联合验证等方面逐渐暴露出不足。尤其对民机系统模型，其内部涉及不同学科，有模型规模大、多时间尺度、跨学科领域、跨仿真工具等技术特点，导致模型刚性大、求解效率低，要实现多系统联合仿真求解效率和异构模型集成会存在一定难度。因此，需构建一个模型同步求解且高效交互、分发数据的中转枢纽，进而实现大规模复杂系统集成仿真。表1所示是基于分布式仿真框架基础上，同时兼容四种不同类型模型的集成方式。

（四）数字孪生虚实融合子系统

数字孪生虚实融合子系统提供了虚实融合所需的功能，通过系统架构设计工具进行系统建模集成、硬件资源配置、虚实融合试验配置[13]。系统架构设计模块中，能够将数字模型和硬件模型进行一键式切换，不仅能够支持数字孪生体的构建，也能支持数字模型和硬件模型集成与协同仿真，支持从全虚拟仿真测试到半物理仿真测试的便捷切换。同时，虚实融合子系统支持图形化用户界面、仿真结果实时演示、参数在线可调加载、参数在线故障注入。支持自动化测试、实验方案设计、实验因子配置、实验样本管理、多引擎配置、自动测试报告生成、实验调试、实验管理和仿真回放等功能。在硬件资源调度上，底层支持多线程并行管理功能，提供多核管理及多任务调度管理功能，优化仿真计算资源。子系统还具有很强的实时性检测功能，可以方便检查、确保实时性。

（五）数字孪生管理子系统

在数字孪生管理方面，采用系统工程双“V”架构模式，以逻辑连贯一致的多视角系统模型为桥梁和框架，实现跨领域数字孪生模型的可追踪、可验证和全生命周期内的动态关联，进而实现民机研制从概念方案、工程研制、使用维护到报废更新的全寿命周期管理。

通过数字孪生管理系统将民机协同研制孪生应用体系下的技术流程全部管理起来，实现对孪生模型开发、交付、使用、变更、演变等全生命周期的管理，以及对数字孪生规范方法、模型库、工具链、知识经验等实施全面管理，支撑全寿命周期内不同设计人员基于同一数据源开展设计和技术管理，实现数字孪生技术在业务流程中落地应用。同时，数字孪生管理系统作为应用时的统一入口，具备与多学科联合仿真系统、虚实融合系统、数据采集与传输系统、数据分析与决策系统等其它系统的无缝集成能力。数字孪生管理子系统功能架构，见图5。

图5 数字孪生管理子系统功能架构

四、面向民机网络化协同研制的数字孪生虚实融合创新应用实践

为探索数字孪生在民机网络化协同研制中的深度工程实践，本文利用已建设的数字孪生平台进行了创新应用[14-15]。一是构建高置信度飞机系统机理模型，通过虚实融合技术，进行飞机前轮转弯场景仿真模拟，从而实现对前轮转弯系统各项参数的优化设计。二是基于某飞机起落架多学科联合仿真结果和收放试验数据，利用机器学习算法构造起落架收放时间分析和预测模型，当空速提升后判断对起落架系统的影响，并确定系统在一定构型下的收放能力和后续优化设计余量[16]。

（一）基于虚实融合的前轮转弯系统优化设计

飞机前轮转弯系统是飞机在地面滑行时用来控制飞机运动方向的功能系统，其主要由转弯手轮、转弯作动筒、脚蹬转弯机构等附件组成。本文为了实现对前轮转弯系统的虚实融合验证，开展了三方面的工作。首先，构建了高置信度的前轮转弯系统机理模型。其中前轮转弯系统中的控制模型用 Simulink软件构建，液压作动系统模型用 AMEsim软件构建，转弯运动机构用Motion软件构建，并基于统一接口标准，将各子系统模型导出为FMU形式进行综合集成。其次，通过多学科联合仿真接口进行分布式求解，实现对前轮转弯系统在不同工况下各项参数的优化设计。最后，结合铁鸟物理试验和真实飞行任务构建虚实融合的数字孪生模型，实现从“实—虚”的模型修正和从“虚—实”的设备反向控制。

在具体的虚实融合应用中：铁鸟液压系统、起落架收放系统、刹车控制系统均按真实物理系统随驾驶员指令和任务工作；飞机起落架模型在实时仿真机中运行，并实时接收铁鸟操作指令及各物理系统的作动控制状态，动态解算飞机起落架模型每个机轮的转速和轮载状态。在从“虚—实”的反向控制阶段，主要是通过电机驱动机轮速度传感器按模型转速转动，驱动轮载传感器按模型状态变化，来实现对转弯系统控制。

最终通过对转弯系统的虚实融合应用，使其无论处于模型状态，还是虚实混合状态，都可以正常接收轮载、轮速信号，进入正确的转弯工作模式，实现对飞机转向纠偏的控制。基于虚实融合的前轮转弯系统优化设计技术路线，见图6。

图6 基于虚实融合的前轮转弯系统优化设计技术路线

（二）基于虚实融合的起落架收放时间预测与优化设计

为了实现对某飞机起落架收放时间的分析与预测，提前暴露设计问题，并指导后续的设计决策优化，开展了如下几项工作。首先，本文基于多学科联合仿真系统将不同软件构建的起落架液压系统模型、控制系统模型、机构动力学模型，以统一接口标准进行综合集成与计算，将多轮次的仿真结果数据处理、汇总后，作为构建预测模型的仿真样本数据源。其次，通过数据采集与传感系统对起落架的收放试验进行数据采集、处理后，作为构建预测模型的试验样本数据源。最后，在数据分析与决策系统中，将仿真结果与试验数据进行融合处理，并通过机器学习算法对样本数据进行反复迭代训练，最终获得起落架收放时间分析和预测模型。设计人员利用该预测模型，可以判断当空速提升后起落架系统的收放能力以及对系统的影响，并根据预测和分析结果确定优化设计余量，完成后续系统的优化设计。飞机起落架收放时间预测及优化技术路线，见图7。

图7 飞机起落架收放时间预测及优化技术路线

五、结论

本文通过对面向民机网络化协同研制的数字孪生关键技术进行分析，构建能够满足当前技术及未来业务发展需求的技术架构及数字化支撑系统，以提高民机在线协同研制的效率，并进行协同研制模式的创新。基于已建设的数字孪生平台构建高置信度飞机系统机理模型，利用虚实融合技术进行飞机前轮转弯场景仿真模拟的创新应用。同时，利用人工智能技术构造算法模型进行起落架收放时间预测及优化的创新应用。本文探索了数字孪生在民机网络化协同研制中的工程实践，可为基于流程驱动的数字化转型提供技术保障。

通过技术研究及工程实践可以看出，面向网络化协同研制的数字孪生技术以协同研制为主线，利用数字孪生可以提高民机协同研制的准确性，验证飞机在运行场景中的综合性能，加快产品的迭代优化效率,并通过数据分析来进行产品设计性能的超前预测，实现民机协同研制效率的提升。

本文以点带面演绎和阐述了民机数字孪生的内涵及工程应用，以期明确数字孪生的关键技术节点、脉络及内核，探索数字孪生在设计迭代、虚拟试验、性能和寿命预测方面的工程应用。通过对面向网络化协同研制的数字孪生技术研究与工程实践探索，以期达到民机研制体系及产业链供应链内可推广的效果，对民机产业的整体规划及重大工程实践具有重要意义。